數(shù)據(jù)挖掘?qū)嵙?xí)報(bào)告

1、數(shù)據(jù)挖掘?qū)嵙?xí)報(bào)告篇一：數(shù)據(jù)挖掘?qū)嵙?xí)報(bào)告通過半年的實(shí)習(xí)，我在這里得到了一次較全面的、系統(tǒng) 的鍛煉，也學(xué)到了許多書本上所學(xué)不到的知識(shí)和技能。以下 是我這次的實(shí)習(xí)鑒定。經(jīng)歷了實(shí)習(xí)，對(duì)社會(huì)也有了基本的實(shí)踐，讓我學(xué)到了書 本以外的知識(shí)，實(shí)習(xí)期間，我努力盡量做到理論與實(shí)踐相結(jié) 合，在實(shí)習(xí)期間能夠遵守工作紀(jì)律，不遲到、早退，認(rèn)真完 成領(lǐng)導(dǎo)交辦的工作。在實(shí)習(xí)鑒定中，我參與了整個(gè)數(shù)據(jù)分析 工作，從數(shù)據(jù)獲取到數(shù)據(jù)清洗、數(shù)據(jù)報(bào)表的制定到模型的建 立以及模型監(jiān)控等等，讓我充分學(xué)習(xí)了數(shù)據(jù)分析崗位的實(shí)際 操作。在實(shí)習(xí)初期，項(xiàng)目經(jīng)理安排了我參與數(shù)據(jù)獲取的相關(guān)工 作，主要是編寫 SQL代碼在linux上用Perl語言調(diào)用獲取

2、 數(shù)據(jù)。起初覺得自己對(duì) SQL語言了解較多，以為這份工作非 常簡(jiǎn)單。但實(shí)際操作起來才知道，在數(shù)據(jù)量達(dá)到幾百兆甚至 上GB級(jí)別的時(shí)候，所學(xué)的 SQL根本解決不了問題。經(jīng)向項(xiàng) 目經(jīng)理學(xué)習(xí)，這才知道了如何使用分層次操作等速度較快的 SQL技巧。通過這兩個(gè)月的實(shí)習(xí)充分認(rèn)識(shí)到所學(xué)知識(shí)遠(yuǎn)遠(yuǎn)不 夠。完成數(shù)據(jù)獲取階段之后，項(xiàng)目經(jīng)理開始安排數(shù)據(jù)清洗以 及數(shù)據(jù)報(bào)表制定的相關(guān)工作。接到這份工作之初，對(duì)數(shù)據(jù)清洗并沒有太多的認(rèn)識(shí)，以為很多都是按照數(shù)據(jù)挖掘教材 中步驟進(jìn)行就可以的。但經(jīng)過項(xiàng)目經(jīng)理指導(dǎo)之后才知道數(shù)據(jù) 清洗之前首先要對(duì)項(xiàng)目業(yè)務(wù)進(jìn)行一定的了解，只有清晰了業(yè) 務(wù)數(shù)據(jù)的來源、數(shù)據(jù)的實(shí)際意義才知道哪些數(shù)據(jù)可以稱為極

3、端值，哪些數(shù)據(jù)又是不正常的，制定報(bào)告或者交給模型分析 師時(shí)需要去除的等等。同時(shí)，在制定數(shù)據(jù)報(bào)表的同時(shí)學(xué)習(xí)了 很多excel函數(shù)的使用，透視表的使用，PPT報(bào)告的書寫等等。在實(shí)習(xí)的后三個(gè)月，開始接觸了模型的分析與監(jiān)控。在 學(xué)習(xí)機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘書本時(shí)，總會(huì)想到各種 各樣的分類模型，也總會(huì)認(rèn)為模型準(zhǔn)確率高的模型才會(huì)是好 模型。在運(yùn)用統(tǒng)計(jì)模型之前，項(xiàng)目經(jīng)理首先向?qū)嵙?xí)生介紹了 目前挖掘部門常用的分類模型以及具體的一些使用方法。其 中邏輯回歸模型、決策樹模型是常用的分類模型，回歸分析 和時(shí)間序列模型是常用的預(yù)測(cè)模型，這與平日所學(xué)基本一致。 正當(dāng)好奇為什么不使用支持向量機(jī)以及神經(jīng)絡(luò)模型之時(shí)，項(xiàng) 目經(jīng)理說

4、，由于模型結(jié)果都是要給市場(chǎng)部門的同事報(bào)告的， 所以模型結(jié)果最好能夠簡(jiǎn)單易懂的。在實(shí)際工作才知道，一 般除了用模型準(zhǔn)確率來衡量模型的效果外，還有例如靈敏度、 ROCft線、RA曲線等等指標(biāo)值。而模型的操作過程也不是想 象的那么簡(jiǎn)單，并不是用 R軟件上的幾個(gè)函數(shù)，幾行代碼就 能解決的，選擇什么參數(shù)、選擇什么樣的模型，當(dāng)然最重要的還是選擇什么樣的基礎(chǔ)數(shù)據(jù)作為模型的訓(xùn)練數(shù)據(jù)才是最 重要的，這才發(fā)現(xiàn)項(xiàng)目經(jīng)理之前提到的業(yè)務(wù)知識(shí)是多么的重 要。在模型建立之后就是模型監(jiān)控了，由于是我負(fù)責(zé)的項(xiàng)目, 所以項(xiàng)目經(jīng)理也將監(jiān)控這一任務(wù)交給了我。數(shù)據(jù)挖掘模型通 常情況下都是要上線的，但模型的效果會(huì)隨著數(shù)據(jù)的變化而 變化，

5、當(dāng)模型的指標(biāo)達(dá)到一定程度時(shí)就需要修改模型。在這 一階段，充分鍛煉了我的程序編寫能力。在整一個(gè)實(shí)習(xí)過程，非常感謝項(xiàng)目經(jīng)理給予了我數(shù)據(jù)挖 掘整一個(gè)流程學(xué)習(xí)的機(jī)會(huì)，讓我真正對(duì)數(shù)據(jù)挖掘的實(shí)際工作 有了一定的認(rèn)識(shí)，也讓我學(xué)習(xí)到了很多學(xué)校學(xué)習(xí)中學(xué)不到的 實(shí)際操作能力，在此表示衷心的感謝。篇二：數(shù)據(jù)挖掘?qū)嶒?yàn)報(bào)告經(jīng)貿(mào)學(xué)院市場(chǎng)營銷專業(yè)數(shù)據(jù)挖掘管理實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)名稱：數(shù)據(jù)挖掘一聚類分析實(shí)驗(yàn)時(shí)間：XX年12月21日班級(jí)11252姓名潘宏學(xué)號(hào) 1125219成績指導(dǎo)老師 王林一、數(shù)據(jù)建模過程1、啟動(dòng)SPSS雙擊窗口底部節(jié)點(diǎn)選項(xiàng)板中的“源”中的 statistics文件建立文件，如圖 1。圖12、右擊statistics

6、文件編輯，如圖 2。圖23、點(diǎn)擊省略號(hào)其中一個(gè)選擇文件打開。單擊應(yīng)用并確 定，如圖3和圖3圖44、雙擊輸由選項(xiàng)中的表節(jié)點(diǎn)，如圖 5所示，表節(jié)點(diǎn)由 現(xiàn)在工作區(qū)中。圖55、如圖6所示，右擊運(yùn)行表節(jié)點(diǎn)。可以看到圖中關(guān) 于客戶資產(chǎn)購平臺(tái)價(jià)值的數(shù)據(jù)記錄。該數(shù)據(jù)包含A1, A2等字段。圖66、如圖7,在字段選項(xiàng)中雙擊類型節(jié)點(diǎn)，則類型節(jié)點(diǎn)由現(xiàn)在工作表中。圖77、如圖8,右擊類型節(jié)點(diǎn)選擇編輯，則由現(xiàn)一張關(guān)于 字段的表，將所有字段角色項(xiàng)設(shè)為“輸入”，這表示要將所有字段進(jìn)行聚類分析。最后點(diǎn)擊應(yīng)用、確定。圖8篇三：數(shù)據(jù)挖掘?qū)嵱?xùn)weka實(shí)驗(yàn)報(bào)告論文（報(bào)告、案例分析）院系信息學(xué)院專業(yè)統(tǒng)計(jì)班級(jí)10級(jí)統(tǒng)計(jì)3 班學(xué)生姓名李健

7、學(xué) 號(hào)XX210453任課教師 劉 洪偉XX年01月17日課程論文評(píng)分表數(shù)據(jù)挖掘?qū)嵱?xùn)I課程論文選題要求：根據(jù)公開發(fā)表統(tǒng)計(jì)數(shù)據(jù)，請(qǐng)結(jié)合數(shù)據(jù)挖掘理論與方法，撰寫一篇與數(shù)據(jù)挖掘領(lǐng)域相關(guān)的論文。寫作要求：（1）數(shù)據(jù)準(zhǔn)確、有時(shí)效性，必須是最新的數(shù)據(jù)。（2）文章必須有相應(yīng)的統(tǒng)計(jì)方法，這些統(tǒng)計(jì)方法包括以前專業(yè)課 中學(xué)到的任何統(tǒng)計(jì)方法，如參數(shù)估計(jì)、假設(shè)檢驗(yàn)、相關(guān)與回 歸、多元統(tǒng)計(jì)等等。(3)論文的內(nèi)容必須是原創(chuàng)，有可靠的分析依據(jù)和明確的結(jié)論。(4)論文按照規(guī)定的格式化撰寫；(5)字?jǐn)?shù)不少于XX字。數(shù)據(jù)挖掘(WEKA次件)實(shí)驗(yàn)報(bào)告統(tǒng)計(jì)學(xué) 專業(yè)學(xué)生李健學(xué)號(hào)XX210453關(guān)鍵詞：數(shù)據(jù)挖掘；游玩；因素； WEKA本

8、次實(shí)驗(yàn)指在熟練的運(yùn)用軟件weka進(jìn)行數(shù)據(jù)處理，其中包括數(shù)據(jù)準(zhǔn)備，關(guān)聯(lián)規(guī)則等同時(shí)了解 weka的基本用法。一、軟件介紹1簡(jiǎn)介數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)這些字眼，在一些人看來，是門檻 很高的東西。誠然，如果做算法實(shí)現(xiàn)甚至算法優(yōu)化，確實(shí)需 要很多背景知識(shí)。但事實(shí)是，絕大多數(shù)數(shù)據(jù)挖掘工程師，不 需要去做算法層面的東西。他們的精力，集中在特征提取， 算法選擇和參數(shù)調(diào)優(yōu)上。那么，一個(gè)可以方便地提供這些功 能的工具，便是十分必要的了。而weka,便是數(shù)據(jù)挖掘工具中的佼佼者。WEKA的全名是懷卡托智能分析環(huán)境(Waikato Environment forKnowledge Analysis) ,是由新西蘭懷卡托 (

9、Waikato)大學(xué)開發(fā)的機(jī)器學(xué)習(xí)軟件，純 Java技術(shù)實(shí)現(xiàn)的開 源軟件，遵循于GNUGeneral Public License ,跨平臺(tái)運(yùn)行，集合了大量能承擔(dān)數(shù)據(jù)挖掘任務(wù)的機(jī)器學(xué)習(xí)算法，分類器實(shí) 現(xiàn)了常用ZeroR算法、Id3算法、J4.8算法等40多個(gè)算法， 聚類器實(shí)現(xiàn)了 EM算法、SimpleKMeans算法和Cobweb算法3 種算法，能對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、分類、回歸、聚類、關(guān)聯(lián)規(guī) 則以及在新的交互式界面上的可視化。2oo5年8月，在第11屆ACMSIGKDDg際會(huì)議上，懷卡托大學(xué)的WEKA、組榮獲了數(shù)據(jù)挖掘和知識(shí)探索領(lǐng)域的最高服務(wù)獎(jiǎng)，WEK系統(tǒng)得到了廣泛的認(rèn)可，被譽(yù)為數(shù)據(jù)挖掘和機(jī)器學(xué)

10、習(xí)歷史上的里程碑， 是現(xiàn)今最完備的數(shù)據(jù)挖掘工具之一。WEKA使用的是一種叫做arff(AttributeRelation File Format)的數(shù)據(jù)文件結(jié)構(gòu)。這種arff文件是普通的ASCII文本文件，內(nèi)部結(jié)構(gòu)很簡(jiǎn)單， 主要是測(cè)試算法使用的輕量級(jí)的數(shù)據(jù)文件結(jié)構(gòu)。arff文件可以自己建立，也可通過 JDBC從Oracle和Mysql等流行數(shù)據(jù) 庫中獲得。整個(gè)arf文件可以分為兩個(gè)部分。第一部分給由 了頭信息(Head information) ,包括關(guān)系聲明 (Relation Declaration)和屬性聲明(AttributeDeclarations) 。第二 部分給由了數(shù)據(jù)信息(Da

11、tainformation),即數(shù)據(jù)集中給由 的數(shù)據(jù)。關(guān)系聲明的定義格式為：relation ；屬性聲明的定義格式為：attribute ;數(shù)據(jù)信息的定義格式為獨(dú)占一行的data,后面跟著的就是數(shù)據(jù)信息。2.安裝點(diǎn)開左側(cè)Weka 的官方 地址是 HYPERLINK http:/ml/weka/ http:/ml/weka/ download 欄，可以進(jìn)入下載頁面， 里面有 windows, mac os, linux等平臺(tái)下的版本，我們以 windows系統(tǒng)作為示例。目 前穩(wěn)定的版本是。如果本機(jī)沒有安裝java ,可以選擇帶有jre的版本。下 載后是一個(gè)exe的可執(zhí)行文件，雙擊進(jìn)行安裝即可。安

12、裝完畢，打開啟動(dòng) weka的快捷方式，如果可以看到 下面的界面，那么恭喜，安裝成功了。共有4個(gè)應(yīng)用，分別是 1 ) Explorer用來進(jìn)行數(shù)據(jù)實(shí)驗(yàn)、挖掘的環(huán)境，它提供了分類，聚類， 關(guān)聯(lián)規(guī)則，特征選擇，數(shù)據(jù)可視化的功能。 (An environment for exploring data with WEKA ) 2 ) Experimentor用來進(jìn)行實(shí)驗(yàn)，對(duì)不同學(xué)習(xí)方案進(jìn)行數(shù)據(jù)測(cè)試的環(huán)境。(An environment for performing experiments and conducting statistical tests between learning schemes.

13、) 3) KnowledgeFlow功能和Explorer差不多，不過提供的接口不同，用戶 可以使用拖拽的方式去建立實(shí)驗(yàn)方案。另外，它支持增量學(xué) 習(xí)。(This environment supports essentially the same functions as the Explorer but with a drag-and-drop interface. One advantage is that it supports incremental learning. ) 4 ) SimpleCLI篇四：實(shí)訓(xùn)報(bào)告移動(dòng)絡(luò)優(yōu)化實(shí)訓(xùn)報(bào)告班級(jí)：通信141 學(xué)生姓名：班級(jí)序號(hào)：一、設(shè)計(jì)背景內(nèi)容包

14、括：絡(luò)優(yōu)化應(yīng)用背景介紹2G系統(tǒng)圖、LTE系統(tǒng)圖1、絡(luò)優(yōu)化應(yīng)用背景介紹由于核心、傳輸?shù)脑偾噎h(huán)境穩(wěn)定，移動(dòng)通信優(yōu)化實(shí)際 上以無線優(yōu)化為主，因此移動(dòng)通信絡(luò)優(yōu)化也可稱為無線絡(luò)優(yōu) 化。無線絡(luò)是通過改善手機(jī)和基站的空中接口信號(hào)性能來完 成優(yōu)化過程，提高通信質(zhì)量的。由于移動(dòng)絡(luò)變是不固定的， 其動(dòng)態(tài)變化頻率高，再加上龐大的用戶群體、用戶的移動(dòng)性、 話務(wù)密度的不均勻性、頻率不均勻性等，導(dǎo)致無線絡(luò)的信號(hào) 接口穩(wěn)定性能差，反映到用戶方面即是通信質(zhì)量的不穩(wěn)定及 弱勢(shì)。比如，無法接通、通話無端中斷、雜音干擾、單方通 話等故障。 移動(dòng)通信絡(luò)的建設(shè)耗費(fèi)大量人力、財(cái)力，但是 就目前此階段現(xiàn)狀而言，通信質(zhì)量的不盡如意使得其投

15、資與 回報(bào)不成正比。而不間斷的絡(luò)硬件、數(shù)據(jù)調(diào)整，資源優(yōu)化配 置等途徑可以優(yōu)化通信絡(luò)，可保持絡(luò)處于最佳運(yùn)行狀態(tài)，由 此改善通信服務(wù)質(zhì)量，使得用戶可以切身感覺到通暢淋漓的 絡(luò)速度。2、移動(dòng)絡(luò)優(yōu)化的現(xiàn)狀由于當(dāng)前技術(shù)的限制，移動(dòng)通信絡(luò)優(yōu)化的實(shí)現(xiàn)需要借助 于一定的工具，并且要求相關(guān)工作人員要具備較高的技能素 質(zhì)。一般而言，優(yōu)化隊(duì)伍的組成需具有資深的絡(luò)優(yōu)化工程師， 若干技術(shù)人員，以及大量的自動(dòng)化、智能化軟件工具?，F(xiàn)有 的絡(luò)優(yōu)化工具主要有以下三種類型：其一，各系統(tǒng)供應(yīng)商提供的 OMCC統(tǒng)；其二，無線絡(luò)及交換絡(luò)測(cè)試分析的儀器、第三方軟件，如路測(cè)軟件和信令分析軟件；其三，無線頻率規(guī)劃軟件。其中，路測(cè)軟件等是用來

16、提 供數(shù)據(jù)的，供應(yīng)商提供的 OM掾統(tǒng)多用來維護(hù)系統(tǒng)的。但是 二者之間的聯(lián)系甚是不緊密，再加上絡(luò)優(yōu)化涉及到交換技術(shù)、 無線技術(shù)、頻率配置、切換和信令、話務(wù)統(tǒng)計(jì)分析等技術(shù)， 形成海量的信息急需高技術(shù)處理的局面，最終致使優(yōu)化工作 比較粗放。絡(luò)優(yōu)化的具體操作大致分為數(shù)據(jù)采集、數(shù)據(jù)分析、實(shí)施、評(píng)估四個(gè)階段。數(shù)據(jù)采集需要耗費(fèi)大量的人力通過人工操作、 整理、歸類、匯總各類工具采集的海量數(shù)據(jù)。此階段工作量 大，但是難度較低。數(shù)據(jù)分析階段工作量雖小但是很有難度。 此階段中，工程師需通過前階段的數(shù)據(jù)來判斷、分析、確定 所反映的問題，并得由一個(gè)包含不同地點(diǎn)、層次元的優(yōu)化方 案。然后是實(shí)施階段，實(shí)施調(diào)整方案中確定的絡(luò)

17、調(diào)整操作。最后是評(píng)估階段，此階段需再次進(jìn)行數(shù)據(jù)采集工作，觀察調(diào) 整方案是否達(dá)到了效果，如果沒有達(dá)到預(yù)期的效果，需再次 重復(fù)整個(gè)過程；如果達(dá)到了效果，就再次設(shè)定新的、更高的 優(yōu)化目標(biāo)，整個(gè)過程將再次在更高的層次重復(fù)。3、移動(dòng)絡(luò)發(fā)展的趨勢(shì)智能優(yōu)化是移動(dòng)通信絡(luò)優(yōu)化發(fā)展的趨勢(shì)。具體說來，可 以分為下三個(gè)層面：一體化處理和簡(jiǎn)單分析正如前文多說，絡(luò)優(yōu)化涉及到眾多技術(shù)及工具。但是不 同類別的工具確只對(duì)特定的問題才能發(fā)揮效能，這就造成了 優(yōu)化工具雖然多，卻各自分散難以整合，不能針對(duì)整個(gè)待整 治的絡(luò)組成優(yōu)化方案。我們認(rèn)為，系統(tǒng)供應(yīng)商或者第三方軟 件提供商應(yīng)該與運(yùn)營商形成長期的戰(zhàn)略合作絡(luò)伙伴關(guān)系，通 過持續(xù)努力，

18、開發(fā)將環(huán)境數(shù)據(jù)和系統(tǒng)數(shù)據(jù)緊密綁定的軟件系 統(tǒng)，使該軟件系統(tǒng)逐步具備對(duì)海量數(shù)據(jù)的一體化處理、簡(jiǎn)單 分析、數(shù)據(jù)挖掘、輔助智能決策、自動(dòng)絡(luò)參數(shù)調(diào)整等功能， 使運(yùn)營商的優(yōu)化和維護(hù)人員從工作量大但難度相對(duì)較低的 簡(jiǎn)單、低層次的數(shù)據(jù)采集、實(shí)施階段的工作中解放由來，從 而可以專注于深層次的系統(tǒng)和環(huán)境方面的優(yōu)化方法的研究， 將研究成果迅速應(yīng)用于軟件系統(tǒng)，并且能夠迅速得到證明的 高級(jí)優(yōu)化工作中來。這就是一體化處理和簡(jiǎn)單分析。數(shù)據(jù)挖掘、輔助智能決策數(shù)據(jù)分析是絡(luò)通信優(yōu)化難度最大的一個(gè)階段，它需要處理將大量不同技術(shù)領(lǐng)域的數(shù)據(jù)，而其中的尋求各種數(shù)據(jù)的內(nèi) 在關(guān)系是難中之難。數(shù)據(jù)挖掘是統(tǒng)計(jì)學(xué)和機(jī)器學(xué)的綜合提， 通過數(shù)據(jù)挖掘

19、技術(shù)可以從數(shù)據(jù)庫有效地篩過濾、篩選、分析、并提取價(jià)值信息，從而挖掘各數(shù)據(jù)的內(nèi)在關(guān)聯(lián)。數(shù)據(jù)挖掘可 以挖掘一系列數(shù)據(jù)之間的聯(lián)系，使得工程師建立符合自身團(tuán) 隊(duì)特色的數(shù)據(jù)分析體系，從而為整體優(yōu)化方案的確立提供輔 助決策的功能。數(shù)據(jù)挖掘可以使絡(luò)優(yōu)化人員在短時(shí)間內(nèi)挖掘 各數(shù)據(jù)間的關(guān)聯(lián)，可以解決許多以前我們想解決卻缺乏解決 辦法的問題。自動(dòng)絡(luò)參數(shù)調(diào)整當(dāng)移動(dòng)絡(luò)優(yōu)化系統(tǒng)的優(yōu)化工具具備了輔助決策功能后，其數(shù)據(jù)分析結(jié)果是相當(dāng)精確無誤的，這點(diǎn)已被無數(shù)次實(shí)驗(yàn)結(jié) 果所驗(yàn)證。然而，這并不是優(yōu)化工具進(jìn)化的終結(jié)點(diǎn)，在其前 方仍然有大量可進(jìn)步的空間。此時(shí)，我們可將優(yōu)化軟件的輸出直接作用于OM面統(tǒng)的配置功能模塊上，通過OM掾統(tǒng)直接

20、“指揮”絡(luò)調(diào)整自己的系統(tǒng)參數(shù)。由此省去中間的設(shè)備 經(jīng)過及緩解，可以更好地適應(yīng)絡(luò)環(huán)境參數(shù)的動(dòng)態(tài)變化，從而 為為用戶提供更加穩(wěn)定及完善的通信質(zhì)量。2G系統(tǒng)圖LTE系統(tǒng)圖二、新建GSM占點(diǎn)設(shè)計(jì)(1)按要求補(bǔ)充新建 GSM占點(diǎn)信息(2)在EASYRNP勺相應(yīng)位置上新建站點(diǎn)，顯示相關(guān)信息 站點(diǎn)名、小區(qū)名、LAG頻點(diǎn)等信息GSM占點(diǎn)信息表三、新建LTE站點(diǎn)設(shè)計(jì)(1)按要求補(bǔ)充新建 LTE站點(diǎn)信息(2)在MapInfo的相應(yīng)位置上新建站點(diǎn)，顯示相關(guān) 信息 站點(diǎn)名、小區(qū)名、TAG頻點(diǎn)、PCI等信息(3)根據(jù)站點(diǎn)具體位置規(guī)劃鄰區(qū)篇五：實(shí)習(xí)報(bào)告遼寧工程技術(shù)大學(xué)本科生實(shí)習(xí)報(bào)告書教學(xué)單位理學(xué)院專業(yè)數(shù)學(xué)與應(yīng)用數(shù)學(xué)班級(jí)學(xué)

21、生姓名學(xué)號(hào)指導(dǎo)教師四大分支。生物統(tǒng)計(jì)學(xué)用統(tǒng)計(jì)方法研究生物界的客觀 現(xiàn)象；數(shù)量遺傳學(xué)用數(shù)學(xué)方法研究在各種不同情況下全體基 因型的變化，研究數(shù)量性遺傳規(guī)律；數(shù)學(xué)生態(tài)學(xué)用數(shù)學(xué)理論 和和方法描述生態(tài)系統(tǒng)的的行為動(dòng)態(tài)定量關(guān)系，建立各種生 態(tài)模型，模擬動(dòng)物行為；數(shù)學(xué)生物分類學(xué)使用現(xiàn)代數(shù)學(xué)方法和工具（特別是電子計(jì)算機(jī)）對(duì)古老的生物分類學(xué)進(jìn)行研究。 數(shù)學(xué)方法幾乎滲透到生物學(xué)的每個(gè)角落。有人預(yù)言：生物學(xué) 將會(huì)取代物理學(xué)成為使用數(shù)學(xué)工具最多的部門，21世紀(jì)可能是生物數(shù)學(xué)的黃金時(shí)代。生物數(shù)學(xué)具有豐富的數(shù)學(xué)理論基礎(chǔ)，包括集合論、概率 論、統(tǒng)計(jì)數(shù)學(xué)、對(duì)策論、微積分、微分方程、線性代數(shù)、矩 陣論和拓?fù)鋵W(xué)，還包括一些近代數(shù)

22、學(xué)分支，如信息論、圖論、 控制論、系統(tǒng)論和模糊數(shù)學(xué)等。由于生命現(xiàn)象復(fù)雜，從生物學(xué)中提生的數(shù)學(xué)問題往往十分復(fù)雜，需要進(jìn)行大量計(jì)算工作。因此，電腦是生物數(shù)學(xué)產(chǎn)生和發(fā)展的基礎(chǔ)，成為研究和解決 生物學(xué)問題的重要工具。然而就整個(gè)學(xué)科的內(nèi)容而論，生物 數(shù)學(xué)需要解決和研究的本質(zhì)方面是生物學(xué)問題，數(shù)學(xué)和電腦 僅僅是解決問題的工具和手段。因此，生物數(shù)學(xué)與其他生物 邊緣學(xué)科一樣，通常被歸屬于生物學(xué)而不屬于數(shù)學(xué)。在以前的學(xué)習(xí)中，生物就是生物，數(shù)學(xué)就是數(shù)學(xué)，兩者 看似沒有什么關(guān)聯(lián)。而實(shí)際上生物與數(shù)學(xué)息息相關(guān)，現(xiàn)實(shí)中 大多數(shù)學(xué)科都與數(shù)學(xué)有關(guān)并以之為基礎(chǔ)，通過本次學(xué)習(xí)，我 意識(shí)到數(shù)學(xué)的強(qiáng)大，無處不在。三.數(shù)據(jù)科學(xué)家數(shù)據(jù)科

23、學(xué)家，一個(gè)極具發(fā)展?jié)摿Φ穆殬I(yè)，現(xiàn)在的數(shù)據(jù)科 學(xué)家已成為了高薪職業(yè)。招聘站報(bào)告稱，數(shù)據(jù)科學(xué)家平均年 薪為萬美元，而程序員平均年薪為萬美元，差距由此可見。“數(shù)據(jù)科學(xué)家”在 XX年由Natahn Yau首次提由，具概念是 采用科學(xué)方法、運(yùn)用數(shù)據(jù)挖掘工具尋找新的數(shù)據(jù)洞察的工程 師。數(shù)據(jù)科學(xué)家集技術(shù)專家與數(shù)量分析師的角色于一身，與 傳統(tǒng)數(shù)量分析師相比：后者通常利用企業(yè)的內(nèi)部數(shù)據(jù)進(jìn)行分 析，以支持領(lǐng)導(dǎo)層的決策；而前者更多的是通過關(guān)注面向用 戶的數(shù)據(jù)來創(chuàng)造不同特性的產(chǎn)品和流程，為客戶提供有意義 的增值服務(wù)。數(shù)據(jù)科學(xué)家”其實(shí)是從“大數(shù)據(jù)”引發(fā)的術(shù)語 混亂中形成的。數(shù)據(jù)科學(xué)的核心能力被定義為：SQL統(tǒng)計(jì)、預(yù)測(cè)建

24、模和編程、Python等，這些聽起來很合理。但是很快就有更多名詞添加到其中：Hadoop/MapReduce機(jī)器學(xué)習(xí)、可視化，甚至還有傳統(tǒng)的數(shù)學(xué)、物理、計(jì)算機(jī)科 學(xué)等類似能力。許多人呼吁專業(yè)領(lǐng)域、商業(yè)智慧、創(chuàng)造力及表達(dá)能力也是同樣重要的。一個(gè)數(shù)據(jù)科學(xué)家不能只擅長數(shù)字（這種人被稱為統(tǒng)計(jì)學(xué)家或分析師），也要能夠理解業(yè)務(wù)：什么樣的數(shù) 據(jù)或結(jié)果才是有參考性的；能夠找到新的數(shù)據(jù)集并為其創(chuàng)造 新產(chǎn)品；然后能夠讓 CEO們理解這一切。這是一個(gè)艱巨的任 務(wù)，這個(gè)世界上這類人是很少的。作為頂尖的數(shù)據(jù)科學(xué)家， 不要求他們對(duì)環(huán)境做生什么積極的改變，但是需要他們嘗試 做一些真正先進(jìn)的東西，幫助大家更好的解決業(yè)務(wù)上的問

25、題。數(shù)據(jù)科學(xué)家的六種能力：.對(duì)數(shù)據(jù)的提取與綜合能力；.統(tǒng)計(jì)分析能力；.數(shù)據(jù)洞察與信息挖掘能力；.開發(fā)軟件能力；.絡(luò)編程能力；.數(shù)據(jù)的可視化表示能力。現(xiàn)在是一個(gè)大數(shù)據(jù)時(shí)代，幾乎所有的事情都離不開數(shù)據(jù) 處理。數(shù)據(jù)科學(xué)家，非常有前景的職業(yè)，也是我立志的目標(biāo)。四.數(shù)學(xué)建模從學(xué)習(xí)專業(yè)課開始，我就了解到，應(yīng)用數(shù)學(xué)的學(xué)習(xí)離不 開數(shù)學(xué)建模。在不斷的學(xué)習(xí)中，深刻的學(xué)習(xí)到數(shù)學(xué)建模的重 要性。當(dāng)需要從定量的角度分析和研究一個(gè)實(shí)際問題時(shí)，人 們就要在深入調(diào)查研究、了解對(duì)象信息、作由簡(jiǎn)化假設(shè)、分 析內(nèi)在規(guī)律等工作的基礎(chǔ)上，用數(shù)學(xué)的符號(hào)和語言作表述， 也就是建立數(shù)學(xué)模型，然后用通過計(jì)算得到的結(jié)果來解釋實(shí) 際問題，并接受實(shí)

26、際的檢驗(yàn)。這個(gè)建立數(shù)學(xué)模型的全過程就 稱為數(shù)學(xué)建模數(shù)學(xué)是研究現(xiàn)實(shí)世界數(shù)量關(guān)系和空間形式的科學(xué)，在它 產(chǎn)生和發(fā)展的歷史長河中，一直是和各種各樣的應(yīng)用問題緊 密相關(guān)的。數(shù)學(xué)的特點(diǎn)不僅在于概念的抽象性、邏輯的嚴(yán)密 性、結(jié)論的明確性和體系的完整性，自從 20世紀(jì)以來，隨 著科學(xué)技術(shù)的迅速發(fā)展和計(jì)算機(jī)的日益普及，人們對(duì)各種篇六：暑假實(shí)習(xí)報(bào)告合肥學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)系系別：專業(yè)：班級(jí)：姓名：學(xué)號(hào)：成績：認(rèn)知實(shí)習(xí)報(bào)告計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)科學(xué)與技術(shù)10級(jí)計(jì)本班1004011004年 日月認(rèn)知實(shí)習(xí)報(bào)告根據(jù)合肥學(xué)院人才培養(yǎng)方案中的第五學(xué)期認(rèn)知實(shí)習(xí)教學(xué)大綱的要求，我于 XX年6月18號(hào)至XX年9月1日在校 實(shí)習(xí)，

27、進(jìn)行“冰箱泄漏熱負(fù)荷及性能預(yù)測(cè)”項(xiàng)目研究。一、項(xiàng)目簡(jiǎn)介項(xiàng)目名稱：冰箱泄漏熱負(fù)荷及性能預(yù)測(cè)研究委托方：合肥美菱股份有限公司技術(shù)目標(biāo)和內(nèi)容：1、對(duì)已有產(chǎn)品漏熱測(cè)試數(shù)據(jù)進(jìn)行分析處理，擬合由冰 箱保溫層和門封泄漏熱負(fù)荷的計(jì)算方法；2、根據(jù)冰箱泄漏熱負(fù)荷、制冷系統(tǒng)設(shè)計(jì)、零部件選型， 研究制定由冰箱性能（耗電量、開機(jī)率等）預(yù)測(cè)方法。二、認(rèn)知實(shí)習(xí)經(jīng)歷項(xiàng)目需要大量有關(guān)聚類和分類的知識(shí)基礎(chǔ)，我負(fù)責(zé)的是K-means 算法、支持向量機(jī)(Support Vector Machine , SVM 的研究。1、K-means算法的學(xué)習(xí)MacQu戰(zhàn)在1967年提由的K-means算法，是一種被廣泛 應(yīng)用于科學(xué)研究和工業(yè)應(yīng)

28、用中的經(jīng)典聚類算法。K-means算法的核心思想是把 n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類，使每個(gè)聚 類中的數(shù)據(jù)點(diǎn)到該聚類中心的平方和最小。K-means算法是典型的局域原型的目標(biāo)函數(shù)聚類方法的 代表，它是數(shù)據(jù)點(diǎn)到原型的莫種距離作為優(yōu)化的目標(biāo)函數(shù)， 利用函數(shù)求極值的方法得到迭代運(yùn)算的調(diào)整規(guī)則。K-means算法以歐式距離作為相似度測(cè)度，它是求對(duì)應(yīng)奧一初始聚類 中心向量V最有分類，使得評(píng)價(jià)指標(biāo) J最小。算法采用誤差 平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)。2、K-means算法的研究我們經(jīng)常接觸到的聚類分析，一般都是數(shù)值聚類，一種 常見的做法是同時(shí)提取N種特征，將它們放在一起組成一個(gè)N維向量，從而得到一個(gè)從原始

29、數(shù)據(jù)集合到N維向量空間的映射一一總是需要顯式地或者隱式地完成這樣一個(gè)過程，然后基于莫種規(guī)則進(jìn)行分類，在該規(guī)則下，同組分 類具有最大的相似性。假設(shè)我們提取到原始數(shù)據(jù)的集合為(x1, x2, , xn) ，并 且每個(gè)xi為d維的向量，K-means聚類的目的就是，在給定分類組數(shù)k (k n )值的條件下，將原始數(shù)據(jù)分成k類S = S1, S2, , Sk,在數(shù)值模型上，即對(duì)以下表達(dá)式求最小值：這里以i表示分類Si的平均值。設(shè)我們一共有N個(gè)數(shù) 據(jù)點(diǎn)需要分為 K個(gè)cluster 簇，k-means要做的就是最小 化這個(gè)函數(shù)，其中0 O直接尋找先固定和在數(shù)據(jù)點(diǎn)n被歸類到cluster k 的時(shí)候?yàn)? ,

30、否則 為來最小化并不容易，不過我們可以采取迭代的辦法：，很容易看由，只要將數(shù)據(jù)點(diǎn)歸類到離他最近的那，再求最優(yōu)的應(yīng)該滿足：。將對(duì)求導(dǎo)并，選擇最優(yōu)的 個(gè)中心就能保證最小。下一步則固定令導(dǎo)數(shù)等于零，很容易得到最小的時(shí)候(3)亦即的值應(yīng)當(dāng)是所有 cluster k中的數(shù)據(jù)點(diǎn)的平均值。由于每一次迭代都是取到的最小值，因此只會(huì)不斷地減小(或者不變)，而不會(huì)增加，這保證了 k-means最終會(huì)到達(dá)一個(gè)極小值。雖然 k-means并不能保 證總是能得到全局最優(yōu)解，但是對(duì)于這樣的問題，像 k-means這種復(fù)雜度的算法，這樣的結(jié)果已經(jīng)是很不錯(cuò)的了。K-means算法流程如下，流程如圖1所示：(1)從n個(gè)數(shù)據(jù)對(duì)象

31、中任意選取k個(gè)對(duì)象作為初始的聚類中心。(2)分別計(jì)算每個(gè)對(duì)象到各個(gè)聚類中心的距離，把對(duì)象分配到距離最近的聚類中。(3)所有對(duì)象分配完成后，重新計(jì)算k個(gè)聚類的中心。(4)與前一次計(jì)算得到的 k個(gè)聚類中心比較，如果聚類中 心發(fā)生變化，轉(zhuǎn)(2),否則轉(zhuǎn)(5) o(5)輸由聚類結(jié)果。圖1 K-means流程圖雖然K-means易于實(shí)現(xiàn)，但存在如下的缺點(diǎn)：(1)在K-means算法中K是事先給定的，這個(gè) K值的選定是非常 難以估計(jì)的。很多時(shí)候，事先并不知道給定的數(shù)據(jù)集應(yīng)該分 成多少個(gè)類別才最合適。(2).K-means 算法是動(dòng)態(tài)聚類，具 有一定的自適應(yīng)性，但是結(jié)果容易收到類別個(gè)數(shù)和由師聚類中心的影響，

32、因此聚類結(jié)果取決于K值和初始聚類中心的選擇。（3）.從K-means算法框架可以看由，該算法需要不斷 地進(jìn)行樣本分類調(diào)整，不斷地計(jì)算調(diào)整后的新的聚類中心， 因此當(dāng)數(shù)據(jù)量非常大時(shí)，算法的時(shí)間開銷是非常大的。（4）.不能處理噪聲數(shù)據(jù)和孤立點(diǎn)，不適合發(fā)現(xiàn)非凸面形狀的簇。K-means的提由較早且易于理解和實(shí)現(xiàn)，但是由于上訴 的不足，所以在實(shí)際應(yīng)用中往往會(huì)在傳統(tǒng)K-means上加以改進(jìn)。比如通過加權(quán)、主成成分分析、近鄰比較等。具體的應(yīng) 用包括：模式識(shí)別，空間數(shù)據(jù)分析（通過聚類特征空間創(chuàng)建 GIS中的主題映射，探測(cè)空間簇，用空間數(shù)據(jù)挖掘解釋它們） 圖像處理（例如遙感圖像處理），經(jīng)濟(jì)學(xué)（特別指市場(chǎng)研究），

33、 絡(luò)（文檔分類，對(duì) web日志數(shù)據(jù)進(jìn)行聚類以發(fā)現(xiàn)相似訪問模式組），商務(wù)（幫助市場(chǎng)分 析人員從客戶基本庫中發(fā)現(xiàn)不同的客戶群，并且用購買模式來刻畫不同的客戶群的特征），土地使用（在一個(gè)地球觀測(cè) 數(shù)據(jù)庫中識(shí)別相似土地使用的地區(qū)），保險(xiǎn)業(yè)（汽車保險(xiǎn)單持有者的分組），城市規(guī)劃（房子的類型，價(jià)值和地理分布 來識(shí)別房子組），生物學(xué)（用于推導(dǎo)植物和動(dòng)物的分類，對(duì) 基因進(jìn)行分類）等。但是應(yīng)用K-means的領(lǐng)域有一個(gè)共同的特征，那就是K值可以借助經(jīng)驗(yàn)或者一些數(shù)學(xué)工具給由以明 確且上下限相差較小的范圍。3、K-means算法的設(shè)計(jì)(1)數(shù)據(jù)結(jié)構(gòu) typedef struct src double dtM; src

34、;int k;分類個(gè)數(shù)int n=0;/數(shù)據(jù)行數(shù)int *iindex;/隨機(jī)產(chǎn)生質(zhì)心序號(hào)src *index;/存放質(zhì)心src *indexback;/ 備份 index 里的數(shù)據(jù)int *sumi;/每個(gè)質(zhì)心簇存放的個(gè)數(shù)src *data;/存放原始數(shù)據(jù)src *group;/存放聚類后的數(shù)據(jù)，二維(2)算法設(shè)計(jì)void Initializ();/ 讀入數(shù)據(jù)并進(jìn)行質(zhì)心初始化void Randomnum();/ 第一次隨機(jī)產(chǎn)生質(zhì)心組void CopyIndex();/ 備份質(zhì)心組，將本次產(chǎn)生的質(zhì)心 記錄以和下次迭代的質(zhì)心比較，當(dāng)兩次質(zhì)心完全一致時(shí)，認(rèn) 為已經(jīng)聚類完畢。void Creatgr

35、oup();/ 為每一個(gè)數(shù)據(jù)分配組 void Group(int ti,src val);/int ComIndex();比較兩次質(zhì)心，如果完全一致結(jié)束迭代void IndexChange();/每次分配數(shù)據(jù)后改變質(zhì)心組for(i=0;i 篇七：百度XX數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)實(shí)習(xí)一面百度XX數(shù)據(jù)挖掘 機(jī)器學(xué)習(xí)實(shí)習(xí)一面 （非計(jì)算機(jī)專業(yè)應(yīng)聘百度技術(shù)類實(shí)習(xí) ）5月6號(hào)上午百度數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)實(shí)習(xí)筆試，從十 點(diǎn)到十一點(diǎn)半，我提前了半個(gè)小時(shí)交卷，一行代碼也沒寫， 本來沒想著能通過筆試了，沒想到6號(hào)晚上正在上課時(shí)接到百度的面試通知，小小的興奮了一下，不過第二天面試，連 衣服都沒來得及準(zhǔn)備，晚上急匆匆的在上查

36、了一些面試的技 巧和注意事項(xiàng)。5月7號(hào)中午坐公交車到了國際飯店，沒有 見到有人接待，熟悉了一下環(huán)境，還有半個(gè)小時(shí) 1點(diǎn)，于是 坐在休閑沙發(fā)上等了一會(huì)。我提前5分鐘去敲門了，面試官是一個(gè)三十歲左右的中年男士，看上去不是很嚴(yán)肅。他面前 擺著一臺(tái)筆記本，我是和他面對(duì)面的位置坐著的。我首先把 簡(jiǎn)歷給他看，他看了看就問了一個(gè)問題，然后又繼續(xù)看我的 簡(jiǎn)歷，還有在筆記本上不知道寫什么。我心里想怎么沒有讓 自我介紹哇，見他這時(shí)候沒有在繼續(xù)問，有一點(diǎn)冷場(chǎng)，于是 我趕緊說“我先自我介紹一下吧”，他說好。我就按照事先準(zhǔn)備的自我介紹了一下，過程中他沒有打斷，我基本就按照 從本科到研究生的時(shí)間順序介紹了一下自己都干過什

37、么。然 后他問到最大嫡原理，我不懂。后來又問我對(duì)線性回歸和 logistic 回歸的理解，我只記得線性回歸 （由于剛考完計(jì)量 經(jīng)濟(jì)學(xué)，對(duì)這個(gè)記得很清楚），跟他講了關(guān)于最小二乘法估計(jì)參數(shù)，還有回歸做完后要進(jìn)行檢驗(yàn)等等。至于 logistic 回歸，實(shí)在是不記得了。他接著問我是偏重于系統(tǒng)還是算法， 我說目前在項(xiàng)目里研究的主要是算法，他看看簡(jiǎn)歷，問我關(guān) 于遺傳算法和蟻群算法。對(duì)遺傳算法，我把它的流程講了一 遍，然后面試官問我遺傳算法主要在哪些方面應(yīng)用，我回答 組合優(yōu)化、分類等，他就讓我舉例 GA怎么應(yīng)用在分類上的， 我停頓了一兩秒在冥思苦想，他看我不太知道，就讓我說在 其他方面的應(yīng)用吧。于是我就把我

38、們項(xiàng)目里的那個(gè)遺傳算法 跟他講了（感覺跑題了，而且他在聽到時(shí)候好像沒怎么在意）。然后他繼續(xù)問我 ACQ就大概說了一下它的原理。 然后，面試官生了一個(gè)情景題，大概是說從北京生發(fā)有很多 旅游路線，怎樣從上百萬個(gè)游客旅游路線中選由最優(yōu)旅游路 線。跟ACO勺機(jī)制很像，我冥思苦想用 ACOW決，結(jié)果被他 說由很多問題，然后問我有沒有什么解決方法，討論了半天,貌似是可以用關(guān)聯(lián)規(guī)則挖掘。當(dāng)我說由關(guān)聯(lián)規(guī)則這個(gè)詞時(shí)， 他說可以用這個(gè)解決，我才恍然大悟，原來思路被蟻群給限 制了。他聽到關(guān)聯(lián)規(guī)則時(shí)，便在筆記本上寫了啥，他就問 我對(duì)關(guān)聯(lián)規(guī)則了解多少，我就跟他說了Apriori算法。然后問我你對(duì)分類、聚類了解嗎，我就列

39、舉了k均值聚類、神經(jīng)絡(luò)、k最近鄰等。他還問我了一個(gè)問題，以后工作傾向于 金融、計(jì)算機(jī)、互聯(lián)的哪一方面，具體我也不太懂，我就說 是互聯(lián)，說研究生學(xué)的更偏重于互聯(lián)。最后他問我能什么時(shí)候去實(shí)習(xí)，還有什么問題。我問了兩個(gè)問題，一個(gè)是百度工作累不累，第二個(gè)是百度在深圳的發(fā)展。總的感覺就是,一定要把自己的想法說由來，不要被面試官限制思路，一定 要有什么想法就說由來，我之前那個(gè)關(guān)聯(lián)規(guī)則就一直沒說由 來，其實(shí)一開始是有這個(gè)想法的。然后就是表達(dá)要清楚，一 開始那個(gè)線性回歸的原理我就沒解釋清楚，說的一塌糊涂。然后，對(duì)自己所說的一定要心里有底，你提到的每一個(gè)詞都 可能被考官抓來深入的問。最后，我后悔最后問的那個(gè)問題

40、 了，問他百度工作累不累，問完我就后悔了，不應(yīng)該問這樣 的問題，就好像你怕累似的。篇八：實(shí)習(xí)報(bào)告實(shí)習(xí)報(bào)告學(xué)院：姓名：郭喜鋒班級(jí)：實(shí)習(xí)單位：一、 實(shí)習(xí)基本情況（一）、實(shí)習(xí)目的為了加強(qiáng)對(duì)統(tǒng)計(jì)學(xué)知識(shí)的理解，完善自己的知識(shí)理論體 系。參觀、學(xué)習(xí)企業(yè)的生產(chǎn)、銷售流程和理解企業(yè)文化精髓， 有利于加深對(duì)現(xiàn)代企業(yè)營銷管理現(xiàn)狀的了解，加深對(duì)統(tǒng)計(jì)學(xué) 在企業(yè)中的感性和理性認(rèn)識(shí)，并通過實(shí)習(xí)調(diào)研活動(dòng)，鍛煉分 析實(shí)際綜合問題的能力，培養(yǎng)認(rèn)真、嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)，為就業(yè)和將來的學(xué)習(xí)工作提供一些寶貴的指導(dǎo)意見和實(shí)踐經(jīng)驗(yàn)。我們這次實(shí)習(xí)的主要目的有：1、企業(yè)對(duì)大學(xué)生的素質(zhì)和知識(shí)技能的需求。2、統(tǒng)計(jì)在企業(yè)中的應(yīng)用。3、統(tǒng)計(jì)的重要性。（

41、二）、實(shí)習(xí)時(shí)間XX年7月12日XX年7月23日（三）、領(lǐng)隊(duì)老師牛勝強(qiáng)（四）、實(shí)習(xí)地點(diǎn)蘭石集團(tuán)有限公司（五）、實(shí)習(xí)部門統(tǒng)計(jì)核算部（六）、實(shí)習(xí)單位簡(jiǎn)介蘭州蘭石集團(tuán)有限公司（簡(jiǎn)稱蘭石集團(tuán)）是按照建立現(xiàn) 代企業(yè)制度的要求，在原蘭州石油化工機(jī)械設(shè)備工程集團(tuán)公 司的基礎(chǔ)上，于XX年12月27日改制組建的新型集團(tuán)公司。 蘭石集團(tuán)主營石油鉆采機(jī)械、煉油化工設(shè)備及通用機(jī)械設(shè)備 制造。蘭石集團(tuán)的前身蘭州石油化工機(jī)器總廠始建于1953年，是我國第一個(gè)五年計(jì)劃期間國家156個(gè)重點(diǎn)建設(shè)項(xiàng)目中的兩個(gè)項(xiàng)目一蘭州石油化工機(jī)械廠和蘭州煉油化工設(shè)備廠 合并而成的，是我國最大的石油鉆采機(jī)械和煉油化工設(shè)備生 產(chǎn)基地，企業(yè)占地面積萬平

42、方米。蘭石集團(tuán)現(xiàn)有蘭州蘭石國民油井石油工程有限公司、蘭 州蘭石重型裝備股份公司、蘭州蘭石機(jī)械制造有限公司、蘭 州蘭石換熱設(shè)備有限責(zé)任公司、蘭州蘭石精密機(jī)械設(shè)備有限公司、蘭州四方容器設(shè)備有限責(zé)任公司、 蘭州蘭石重工新技術(shù)有限公司、蘭州蘭石鑄造有限責(zé)任公司、 蘭州蘭石鍛造熱處理有限責(zé)任公司、蘭州潤安房地產(chǎn)開發(fā)有 限公司、蘭州蘭石球罐工程有限責(zé)任公司、蘭州蘭石化工機(jī) 械技術(shù)工程有限公司、蘭州蘭石環(huán)保工程有限責(zé)任公司、蘭 州石油化工機(jī)器工程有限責(zé)任公司、蘭州安一物業(yè)管理有限 公司、甘肅機(jī)械電子職工大學(xué)蘭州蘭石集團(tuán)公司分校（模擬 法人運(yùn)行）等16個(gè)控、參股子公司；有蘭石商業(yè)運(yùn)營管理 公司、綜合經(jīng)營管理公

43、司、新聞中心、動(dòng)力公司、測(cè)試中心 等企業(yè)化單位5家。（七）、實(shí)習(xí)日志7月12日：在集團(tuán)人力資源部楊同事的帶領(lǐng)下，我們參觀了集團(tuán)內(nèi)部分屬子公司的生產(chǎn)車間、裝配車間、檢測(cè)車間 以及辦公環(huán)境，學(xué)習(xí)了集團(tuán)員工的規(guī)章制度、企業(yè)建設(shè)制度 等。7月13-14日：我被安排在了集團(tuán)下屬的蘭石重工新技 術(shù)有限公司實(shí)習(xí)，在人力資源部吳部長的帶領(lǐng)下，我參觀了 裝配車間的生產(chǎn)環(huán)節(jié)，學(xué)習(xí)了車間工人應(yīng)遵守的規(guī)章制度，最后被分派到公司統(tǒng)計(jì)核算部工作，在部門楊主任的引導(dǎo)下， 了解了該部門的主要職能、工作重心以及對(duì)于統(tǒng)計(jì)專業(yè)知識(shí) 方面的應(yīng)用。7月15-16日：依照工作原則，我學(xué)習(xí)了產(chǎn)業(yè)核算知識(shí) 和企業(yè)經(jīng)營統(tǒng)計(jì)知識(shí)，認(rèn)識(shí)到了統(tǒng)計(jì)核

44、算在起義當(dāng)中的重要 性，并且對(duì)與工業(yè)經(jīng)營統(tǒng)計(jì)有了初步的了解，懂得了在一個(gè) 企業(yè)當(dāng)中應(yīng)該怎樣做統(tǒng)計(jì)核算工作。7月19-20日：學(xué)習(xí)了有關(guān)統(tǒng)計(jì)的各式報(bào)表，如統(tǒng)計(jì)臺(tái) 帳、統(tǒng)計(jì)報(bào)表、產(chǎn)品統(tǒng)計(jì)匯總表等。7月21-22日：和辦公室同事一起學(xué)習(xí)做一些簡(jiǎn)單的報(bào) 表，并仔細(xì)他們的講解和指導(dǎo)意見，然后反復(fù)思考，融會(huì)貫 通。7月23日：實(shí)習(xí)期滿的最后一天， 聯(lián)系到了人力資源部 的吳部長，從他那兒得知企業(yè)對(duì)于人才選拔的評(píng)價(jià)重點(diǎn)，尤 其是統(tǒng)計(jì)專業(yè)的學(xué)生，必須得注重企業(yè)的應(yīng)用，把學(xué)到的理 論與實(shí)踐很好的結(jié)合起來，本著企業(yè)的目標(biāo)去學(xué)習(xí)專業(yè)知識(shí)。 作為學(xué)生，在學(xué)校里一定要把學(xué)習(xí)搞好，這是一個(gè)學(xué)生走生 社會(huì)接受工作的唯一評(píng)價(jià)標(biāo)準(zhǔn)。（八）、理論指導(dǎo)及內(nèi)容為了讓我們對(duì)于自己所學(xué)的專業(yè)（統(tǒng)計(jì)學(xué)）理論及應(yīng)用 有一個(gè)更深層次的理解，我院特組織了此次暑期專業(yè)性實(shí)習(xí)，我們一行五人與XX年7月12日-7月23日在蘭石集團(tuán)有限公司進(jìn)行了 為期十天的專業(yè)實(shí)習(xí)，主要圍繞實(shí)習(xí)目的，于此，我們被安 排在了公司統(tǒng)計(jì)核算部門實(shí)習(xí)，并且也了解到了有關(guān)公司的 統(tǒng)計(jì)軟文，統(tǒng)計(jì)報(bào)表、統(tǒng)計(jì)臺(tái)帳、有關(guān)此行業(yè)的統(tǒng)計(jì)資料， 讓我們認(rèn)識(shí)到了統(tǒng)計(jì)在現(xiàn)代企事業(yè)單位的應(yīng)用及方向，可以 說沒有統(tǒng)計(jì)就沒有行業(yè)，無論哪一行都會(huì)用到統(tǒng)計(jì)，尤其是 經(jīng)濟(jì)部門，不管是正常工作